对于卷积神经网络LeNet-5，往往要进行多次卷积、降采样的处理。下列说法正确的是
A: 经过卷积处理，生成的特征图（feature map）的数目一定和处理前的图像的数目相同
B: 经过卷积处理，生成的特征图（feature map）的数目一定和处理前的图像的数目不相同
C: 经过卷积处理，生成的特征图（feature map）的数目可能和处理前的图像的数目相同，也有可能不相同
D: 经过降采样处理，生成的特征图（feature map）的数目通常和处理前的图像的数目相同
A: 经过卷积处理，生成的特征图（feature map）的数目一定和处理前的图像的数目相同
B: 经过卷积处理，生成的特征图（feature map）的数目一定和处理前的图像的数目不相同
C: 经过卷积处理，生成的特征图（feature map）的数目可能和处理前的图像的数目相同，也有可能不相同
D: 经过降采样处理，生成的特征图（feature map）的数目通常和处理前的图像的数目相同
C,D
举一反三
- 深度学习卷积神经网络中的卷积处理是为了减少神经元的数目
- 中国大学MOOC:对于卷积神经网络LeNet-5，往往要进行多次卷积、降采样的处理。下列说法正确的是
- 在机器学习和图像处理领域，卷积的主要功能是在一个图像（或某种特征）上滑动一个卷积核（即滤波器），通过卷积操作得到一组新的特征。
- 关于采用卷积神经网络进行图像分类和文本分类的比较，下列说法错误的是 A: 卷积神经网络只能用于图像分类，不能用于文本分类，没有相关文献 B: 使用卷积神经网络进行句子分类，一般将句子中每个词表示为固定长度的向量，这样句子就可以表示为矩阵，从而使得在结构上与图像类似，并在后续进行卷积等处理 C: 图像处理应用中，卷积核处理的局部区域为图像的一小块区域，而在文本分类时卷积核处理的局部区域通常为相邻的上下几行（几个词）。因此卷积核的宽度和输入矩阵的宽度相等 D: 使用卷积神经网络进行句子分类或者文档分类，卷积提取的特征与采用n-gram模式提取的特征类似
- 卷积层的作用是提取图像的二维特征，通过不同的算子（不同的卷积层）处理，可以检测图像不同边缘
内容
- 0
关于卷积神经网络说法，错误的是（ ）。 A: 在自然语言处理领域的应用比计算机视觉领域更广泛、更成功 B: 图像的卷积，很类似视觉皮层对图像进行某种特定功能的处理 C: 卷积神经网络模拟了人类视觉信息处理的过程 D: 模拟大脑的视觉处理过程就是卷积神经网络的思路
- 1
在非简并条件下,玻色系统和费米系统: A: 分布相同，微观状态数目相同； B: 分布不相同，微观状态数目相同； C: 分布相同，微观状态数目不相同； D: 分布不相同，微观状态数目不相同．
- 2
关于卷积神经网络以下说法错误的是( )。 A: 常见的池化层有最大池化与平均池化 B: 卷积核不可以用来提取图片全局特征 C: 在处理图片时,是以扫描窗口的方式对图像做卷积 D: 卷积神经网络可以包含卷积层,池化层和全连接层
- 3
关于卷积神经网络说法错误的是： A: 是目前网络深度最深、应用最成功的深度学习模型 B: 卷积神经网络模拟了人类视觉信息处理的过程 C: 图像的卷积，很类似视觉皮层对图像进行某种特定功能的处理 D: 模拟大脑的视觉处理过程就是卷积神经网络的思路
- 4
____和____是实现卷积神经网络特征提取的核心模块,通过其多层的不断叠加,可获得图像的高级特征,然后经过____基于卷积层提取的图像特征进行决策分类。